Elektrik şebekelerinde entegre güç kalitesi iyileştirmesi ile EV için yapay zeka destekli optimal şarj stratejisi

Neden Daha Akıllı Şarj Önemli

Elektrikli araçlar sıradanlığa doğru ilerledikçe, prizlerimiz egzozlarımız kadar önem kazanmaya başlıyor. Aynı anda milyonlarca aracın şarj edilmesi, evleri, hastaneleri ve fabrikaları besleyen aynı kabloları ve trafoları sessizce zorlayabilir. Bu çalışma, yapay zekanın EV şarjını kör bir güç talebinden şebeke ile koordine edilen, neredeyse görünmez bir dansa nasıl dönüştürebileceğini inceliyor—ışıkların kararlı kalmasını, ekipmanın korunmasını ve maliyetlerin kontrol altında tutulmasını sağlarken sürücülerin ihtiyaç duyduğu menzili almaya devam etmesini hedefliyor.

Kablolardaki Gizli Yük

Günümüzde çoğu elektrikli araç, takılı olduğu zaman şarj olur; davranışı yönlendiren tek etken basit zaman-açısından fiyatlandırmadır. Birçok sürücü aynı anda şarj ettiğinde, birleşik talep mahalle hatlarını ve trafoları tasarlanmış sınırlarının ötesine itebilir. Güç elektroniğine dayanan hızlı şarj cihazları ayrı bir karmaşıklık getirir: şebeke geriliminin düzgün sinüzoidal şeklini bozarak flicker, ekstra ısınma ve hassas cihazlarda erken aşınmaya yol açabilirler. Çalışma, 20 karışık şarj cihazına sahip gerçekçi bir besleyicide kontrolsüz şarjın gerilim dalgalanmalarını önerilen sınırların ötesine ittiğini ve harmonik bozulmayı endüstri standartlarının çok üzerine çıkardığını gösteriyor.

Şebekeye Öngörü Kazandırmak

Bu zorluğun üstesinden gelmek için yazarlar önce şebekeye bir tür öngörü veriyor. Geçmiş şarj desenlerini, şebeke ölçümlerini ve şarj cihazı tiplerini incelemek için Temporal Fusion Transformer adlı modern bir makine öğrenmesi modeli kullanıyorlar. Bundan, sistem yalnızca ne kadar güç gerekeceğini değil, aynı zamanda bu talebin gerilim ve dalga formlarını nasıl bozma eğiliminde olacağını da ince zaman adımlarında tahmin ediyor. Toplam yükü tahmin etmenin ötesinde, gerilimin ne kadar sapabileceği ve akımın ne kadar bozulabileceği gibi stres göstergelerini öngörerek düzeltilmesi gereken eylemleri sorunlar ortaya çıkmadan önce hazırlamaya olanak tanıyor.

Şarjı Koordine Etmesi İçin Bir Yapay Zeka Koçu

Sadece tahminler şebekeyi korumaz; kararlar korur. Çerçevenin ikinci parçası, her kontrol aralığını uzun bir oyunda yeni bir hamle olarak gören öğrenmeye dayalı bir denetleyicidir. Derin pekiştirmeli öğrenme olarak bilinen bir yöntemle eğitilen bu denetleyici, araçlar arasında şarjı yavaşlatma, hızlandırma veya kaydırma gibi farklı yolları simülasyonda dener. Gerilimleri ideal değerlere yakın tuttuğunda, dalga formu bozulmasını azalttığında, elektrik maliyetlerini düşürdüğünde ve yine de bataryaları zamanında doldurduğunda ödüller alır. Binlerce bölüm boyunca, sürücü ihtiyaçları ile şebeke sağlığı arasında denge kuran şarj desenlerini keşfeder; ani zirvelerden kaçınır ve talebi gün içinde ve gece boyunca daha düzgün yayar.

Güç Akarken Onu Temizlemek

Dikkatli planlamaya rağmen, bazı anlar şebekeyi sınırlarına yaklaştırabilir. Bu zamanlar için çerçeveye son bir katman eklenir: reaktif gücü enjekte edebilen veya emebilen ve elektriksel gürültüyü filtreleyebilen cihazlara bağlı bir güç kalitesi optimize edicisi. Bu optimize edici, denetleyicinin şarj planını ince ayarlar; böylece gerilimler dar güvenlik bantları içinde kalır ve harmonik bozulma sıkı standartlara uyar. Dağıtım kompanzatörünü ve harmonik filtrelerini ne zaman aktive edeceğine karar verir, ek enerji kayıplarını ve işletme maliyetlerini en aza indirirken gücü temiz tutacak ayarları seçer.

Simülasyonlar Ne Gösteriyor

20 farklı EV şarj cihazını besleyen 11 kV’luk detaylı bir dağıtım hattı bilgisayar modeli kullanarak yazarlar kontrolsüz şarjı AI rehberli yaklaşımla karşılaştırıyor. Akıllı sistem etkin hâle getirildiğinde, ortalama harmonik bozulma neredeyse üçte bir oranında düşüyor ve en kötü zirveler üçte ikiden fazla azalıyor, böylece ağ önerilen sınırlar içine çekiliyor. Gerilim dalgalanmaları küçülüyor ve sistemin güvenli bandın dışarda kaldığı süre yaklaşık dörtte üç oranında azalıyor. Şebekenin faydalı gücü ne kadar verimli sunduğunu ölçen ortalama güç faktörü, sınırda bir değerden tipik gereksinimin rahatça üzerine çıkıyor. Aynı zamanda çerçeve, esas olarak israflı zirvelerden ve gereksiz kayıplardan kaçınarak toplam işletme maliyetini azaltıyor.

Sürücülerle Şebeke Arasında Denge Kurmak

Uzman olmayanlar için ana çıkarım, sorunun elektrikli arabalar değil, onların gücü nasıl ve ne zaman çektikleridir. Bu çalışma gösteriyor ki doğru tahmin, uyarlanabilir kontrol ve hedeflenmiş temizlik donanımının doğru karışımıyla, çok sayıda EV mevcut şebekelere ışıkları söndürmeden veya ekipmana zarar vermeden entegre edilebilir. Önerilen yapay zeka tabanlı sistem, elektronlar için bir trafik denetleyicisi gibi davranarak şarj oturumlarını yönlendirir; bataryaların zamanında dolmasını sağlar, şebekenin konfor bölgesi içinde kalmasını temin eder ve işletme maliyetini düşürür. Ölçeklendirildiğinde, bu tür akıllı koordinasyon, şebekeyi gereksiz yere büyütmekten çok daha kolay ve daha ucuz bir şekilde yaygın EV benimsenmesini mümkün kılabilir.

Atıf: K, S., C, M. Artificial intelligence-driven optimal charging strategy for EV with integrated power quality enhancement in electric power grids. Sci Rep 16, 10884 (2026). https://doi.org/10.1038/s41598-026-36546-7

Anahtar kelimeler: elektrikli araç şarjı, akıllı şebeke, yapay zeka, güç kalitesi, yenilenebilir ulaşım